混合像元分解及其应用ENVI操作文本讲解
ENVI操作的介绍
ENVI操作的介绍ENVI的应用(2009-05-07 15:38:47)转载标签：电脑像元监督分类分类：论文制作直方图波谱杂谈ENVI（The Environment for Visualizing Images）Version 4.1 ,由美国系统研究公司（Research System INC.）开发。
一. 界面系统介绍1. 主菜单：菜单项，File、Basic Tool、Classification、Tranform、Spectral实习所涉及的（粗略介绍）2. Help 工具的使用3. 主菜单设置（preferences）：内存设置二. 文件的存取与显示1．图像显示由一组三个不同的图像窗口组成：主图像窗口、滚动窗口、缩放窗口。
1）主图像Image窗口：（400*400）100％显示（全分辨率显示）scroll的方框，可交互式分析、查询信息。
主图像窗口内的功能菜单：在主图像窗口内点击鼠标右键，切换隐藏子菜单的开启和关闭。
该 "Functions" 菜单控制所有的ENVI交互显示功能，这包括：图像链接和动态覆盖；空间和波谱剖面图；对比度拉伸；彩色制图；诸如ROI的限定、光标位置和值、散点图和表面图等交互特征；诸如注记、网格、图像等值线和矢量层等的覆盖（叠置）；动画以及显示特征。
2）滚动Scroll窗口：全局，重采样(降低分辨率)显示一幅图像。
只有要显示的图像比主图像窗口能显示的图象大时，才会出现滚动窗口。
滚动窗口位置和大小最初在envi.cfg 文件中被设置并且可以被修改。
3）缩放Zoom窗口：（200*200）显示image的方框。
缩放系数（用户自定义）出现在窗口标题栏的括号中。
2．图像的头文件资料的获取和编辑ENVI：File>>Edit ENVI Header，选择相应的文件。
从 Header Info 对话框里，你可以点击 Edit Attributes 下拉菜单中的选项，调用编辑特定文件头参数的独立对话框。
混合像元分解流程
混合像元分解流程混合像元分解流程（Spectral Unmixing Process）英文：The mixed pixel decomposition process involves several key steps. Initially, it is crucial to ensure that the imagery has undergone necessary preprocessing, including geometric correction, atmospheric correction, and noise reduction. Once the imagery is ready, the process begins with the extraction of endmember spectra, which can be obtained from the image itself, spectral libraries, or other sources. Following the extraction of endmembers, a decomposition model is selected to derive the relative abundance maps of each endmember spectrum within each pixel. This involves the application of algorithms that analyze the spectral information and estimate the contribution of each endmember to the overall pixel reflectance. Finally, the abundance maps are used to extract pixels with different composition ratios, enabling a more detailed understanding of the underlying land cover and materials present in the image.中文：混合像元分解流程包括几个关键步骤。
ENVI 说明书
ENVI 用户指南第一章：ENVI 概述如何使用本手册本手册包括若干章节；每章描述 ENVI 提供的一系列处理程序。
多数章节遵循 ENVI 的菜单结构。
例如，第 4 章的标题为 “Basic Tools”，它描述的功能可以在 ENVI 的Basic Tools下拉菜单下找到。
5 个附录分别针对：ENVI基本功能、文件格式、波谱库、地图投影以及描述 ENVI 该版本的新特征。
该介绍性章节包括与 ENVI 图形用户界面（GUI）的交互，使用 ENVI 窗口，及其它介绍性材料。
新的 ENVI 用户使用前务必认真阅读本手册，以及附带的 ENVI 教程。
对于章节中的每个主题，功能描述之后给出了实现它的一步步向导。
向导中描述了参数，通常还附有建议和例子。
大多数功能（除了交互的功能）从 ENVI 的下拉主菜单启动。
出现包含接受用户输入参数的对话框。
许多参数包含系统默认值并且有一些是可选的。
当功能运行时，出现一个处理状态窗口。
运行功能的一步步向导被编号并且用粗体显示。
鼠标控制菜单选项与用斜体字印刷的下拉菜单一同出现。
子菜单用 “>” 连接。
每个步骤内的选项用项目符号显示。
按钮名用引号标明，对话框标题以大写字母开头。
一些对话框内部有下拉菜单。
每个下拉菜单下的选项通常在以该下拉菜单名为标题的一节中描述。
例如，这些是如何对一个文件进行中值滤波的向导：1. 从 ENVI 主菜单，选择Filters > Convolutions > Median 。
将出现一个文件选择对话框, 允许你交互地改变目录并选定需要的输入文件。
2. 通过点击文件名，再点击 “OK” 或 “Open”，来选择所需要的文件。
若有必要，使用任意空间和/或波谱的构造子集（subsetting）。
3. 当出现 Convolution Parameters 对话框，在 “Size” 文本框中，输入所需要的滤波器大小。
4. 选择输出到 “File” 或 “Memory”，若需要，键入一个输出文件名。
python 混合像元分解方法 -回复
python 混合像元分解方法-回复什么是混合像元分解方法？混合像元分解方法（Mixture Pixel Decomposition）是一种用于解析遥感图像中复杂地物的探测和提取的技术。
遥感图像包含了不同地物的混合像元，即一个像素内存在多种地物的信号。
混合像元分解方法可以将混合像元分离为不同的地物成分，从而获得每个地物的光谱信息，进一步实现对地物进行分类和定量分析。
混合像元分解方法的原理混合像元分解方法通过数学模型对混合像元进行分解，其中最常用的数学模型是线性模型。
假设一个像元包含K 个地物成分，那么混合像元可以表示为K 个地物的线性组合。
即：I = ∑( f * ρ)其中，I 是观测到的混合像元，f 是混合像元中每个地物的系数，表示该地物在混合像元中的比例，ρ是对应地物的光谱响应曲线。
通过对I 进行解析，可以求解出每个地物的成分系数f。
常见的混合像元分解方法1. N-FINDR：N-FINDR 法（Normalized Maximum Likelihood Feature Discrimination）是一种经典的混合像元分解方法。
它通过最大似然估计寻找最优的像元组合，将混合像元分解为基础地物。
N-FINDR 法常用于无监督的遥感图像分类。
2. SISMA：SISMA 法（Spectral Information Subtraction Maximum Likelihood Algorithm）是一种监督的混合像元分解方法。
它引入了监督样本，通过最大似然估计计算每个地物的成分系数。
SISMA 法可以有效地提高分类精度和抑制混合像元效应。
3. VCA：VCA 法（Vertex Component Analysis）是一种基于顶点的混合像元分解方法。
它通过在N 混合像元图中选择顶点，进行解析，找到与顶点最接近的纯地物光谱，从而实现混合像元的分解。
VCA 法适用于对大尺度遥感图像进行定量分析。
混合像元分解方法的应用混合像元分解方法广泛应用于遥感图像解析、地物分类、环境监测等领域。
ENVI操作步骤
ENVI操作步骤ENVI是一款遥感图像处理和分析软件，广泛用于地理信息系统、环境科学、遥感和地球物理等方面的应用。
它提供了强大的图像处理工具和多种分析功能，可以用于从卫星图像中提取地形数据、识别地物类型、检测环境变化等。
下面是使用ENVI进行基本操作的步骤。
1.准备工作在开始之前，首先需要安装ENVI软件，并确保计算机系统满足运行要求。
另外，需要准备遥感图像数据，可以从卫星、飞机或无人机等平台获取。
图像数据通常以多波段的方式保存，每个波段代表不同的物理信息。
2.打开ENVI软件双击ENVI桌面图标或从开始菜单中启动ENVI软件。
ENVI的主界面显示类似于其他图像处理软件，包含菜单栏、工具栏和功能窗口。
3.导入图像数据在ENVI的主界面中，点击菜单栏中的“File”选项，选择“Open Data File”或“Import”选项，然后浏览到图像数据所在的文件夹，并选择要导入的图像文件。
ENVI支持多种图像格式，例如TIFF、JPEG、HDF 等。
导入完成后，图像将显示在ENVI主界面的窗口中。
4.预览和调整图像可以使用ENVI提供的工具对导入的图像进行预览和调整。
例如，通过点击工具栏中的“Zoom In”和“Zoom Out”按钮来放大和缩小图像。
可以使用窗口中的滚动条和拖动工具来导航图像。
还可以使用ENVI提供的调整工具来改变图像的亮度、对比度和色彩等参数。
5.进行遥感图像分析ENVI提供了多种图像处理和分析工具，可以用于从遥感图像中提取地物信息。
其中一种常用的分析方法是图像分类。
通过点击ENVI主界面中的“Classification”或“Classification Tools”选项，可以选择不同的分类算法，并应用于图像数据中。
分类结果将以颜色编码的形式显示在图像上，通过不同的颜色表示不同的地物类型。
6.提取地形信息ENVI可以根据遥感图像中的光谱信息提取地形数据。
其中一个常用的方法是“数字高程模型（Digital Elevation Model，DEM）”的创建。
ENVI教程(普通版)
ENVI教程（普通版）ENVI（Environment for Visualizing Images）是一款由Exelis Inc.开发的可视化图像处理和分析软件。
它提供一套强大的工具，用于处理和解释各种遥感数据，如卫星图像、航空摄影和遥感传感器。
本教程将为您介绍ENVI的基本功能和操作，以帮助您快速入门。
首先，让我们开始了解ENVI的界面。
ENVI的主界面由多个可视化面板组成，可以在窗口中自由拖动和调整大小。
其中最重要的是图像窗口和工具窗口。
图像窗口是主要用于显示和处理遥感图像的窗口。
您可以从菜单栏中选择打开图像，或直接拖放图像文件到图像窗口中。
一旦图像加载完毕，您就可以使用ENVI的工具对图像进行各种操作和分析。
您还可以在图像窗口中创建图像图层，以便叠加不同的遥感图像或处理结果。
工具窗口包含了ENVI可用的各种工具和功能。
它们按照功能分类，并显示在工具面板上。
例如，预处理工具用于对输入图像进行预处理，如辐射校正、大气校正和几何校正。
分类工具用于对图像进行分类和目标识别，如支持向量机（SVM）和最大似然分类器。
还有许多其他的工具和算法可供选择，以满足不同类型的遥感分析需求。
在ENVI中，您还可以通过交互式绘图和测量工具来更深入地分析图像。
ENVI提供了一些基本的绘图和测量工具，如互动探针、直方图和像元统计。
不仅如此，您还可以使用ENVI的图像处理工具执行一些高级操作，如拉伸和增强、图像融合和图像重投影等。
此外，ENVI还提供了各种输出选项，以帮助您将处理结果保存为文件或导出到其他软件。
您可以将ENVI的分析结果导出为图像文件、地理信息系统（GIS）文件、文本文件或ENVI格式文件。
这样，您就可以与其他遥感分析软件或地理信息系统集成，并进行进一步的分析和处理。
ENVI作为一款专业的遥感图像处理和分析软件，还有许多其他高级功能和工具，如3D可视化、SAR图像处理和地物变化检测等。
这些功能可以根据您的需求进行进一步学习和应用。
ENVI基础操作(全)
ENVI基础操作（全）ENVI是一种专业的遥感数据分析和图像处理软件，它广泛应用于地理信息系统（GIS）和遥感领域。
以下是ENVI的基础操作指南，包括数据加载、图像增强、分类和制图等功能。
1.数据加载：- 打开ENVI软件后，通过菜单栏中的 "File" -> "Open" 来加载遥感数据。
-可以选择加载多种类型的数据，包括图像文件、数据集文件、栅格数据等。
-ENVI还支持加载多波段数据和多时相数据，方便进行多光谱分析和时间序列分析。
2.图像增强：-ENVI提供了多种图像增强算法，可以改善图像的对比度、亮度和清晰度。
- 通过菜单栏中的 "Basic Tools" -> "Display" 可以调整图像的亮度、对比度和伪彩色显示。
- 通过菜单栏中的 "Basic Tools" -> "Spatial Filter" 可以应用空间滤波算法，如平滑、锐化和边缘增强等。
-ENVI还支持直方图均衡化、波段拉伸、多尺度分析等高级图像增强方法。
3.数据分析：-ENVI提供了多种数据分析算法，包括统计分析、光谱分析和变化检测等。
- 通过菜单栏中的 "Basic Tools" -> "Statistics" 可以计算图像的统计信息，如均值、最大值、最小值和标准差等。
- 通过菜单栏中的 "Basic Tools" -> "Spectral" 可以进行光谱分析，如图像分类、聚类分析和主成分分析等。
-ENVI还支持变化检测算法，可以对多时相数据进行像元级变化检测和物体级变化检测。
4.数据分类：-ENVI提供了多种数据分类算法，包括监督分类和非监督分类等。
- 通过菜单栏中的 "Supervised Classification" 可以进行监督分类，需要提供训练样本和分类器。
常见混合像元分解方法简介[技巧]
![常见混合像元分解方法简介[技巧]](https://img.taocdn.com/s3/m/65021f55e418964bcf84b9d528ea81c758f52ea9.png)
常见混合像元分解方法(2011-04-20 20:35:42)转载▼标签：分类：遥感技术混合像元亚像元分解方法线性波谱分离教育常见的混合像元分解方法，主要包括线性波谱分离(Liner Spectrl Unmixing )、匹配滤波(MF )、混合调谐匹配滤波(MTMF）、最小能量约束(CEM）、自适应一致估计（CE）、正交子空间投影(OSP)等。
0000下面分别对几种分类方法原理一一说明。
0000(1)线性波段预测(Liner Bnd Prediction)0000线性波段预测法（LS-Fit）使用一个最小方框（lest squres）拟合技术来进行线性波段预测，它可以用于在数据集中找出异常波谱响应区。
LS-Fit先计算出输入数据的协方差，用它对所选的波段进行预测模拟，预测值作为预测波段线性组的一个增加值。
还计算实际波段和模拟波段之间的残差，并输出为一幅图像，残差大的像元（无论正负）表示出现了不可预测的特征（比如一个吸收波段）。
0000(2)线性波谱分离(Liner Spectrl Unmixing )0000Liner Spectrl Unmixing可以根据物质的波谱特征，获取多光谱或高光谱图像中物质的丰度信息，即混合像元分解过程。
假设图像中每个像元的反射率为像元中每种物质的反射率或者端元波谱的线性组合。
例如：像元中的25%为物质，25%为物质B，50%为物质C，则该像元的波谱就是三种物质波谱的一个加权平均值，等于0.25+0.25B+0.5C，线性波谱分离解决了像元中每个端元波谱的权重问题。
0000线性波谱分离结果是一系列端元波谱的灰度图像（丰度图像），图像的像元值表示端元波谱在这个像元波谱中占的比重。
比如端元波谱的丰度图像中一个像元值为0.45，则表示这个像元中端元波谱占了45%。
丰度图像中也可能出现负值和大于1的值，这可能是选择的端元波谱没有明显的特征，或者在分析中缺少一种或者多种端元波谱。
envi中文教程
envi中文教程ENVI 用户指南第一章：ENVI 概述如何使用本手册本手册包括若干章节；每章描述ENVI 提供的一系列处理程序。
多数章节遵循ENVI 的菜单结构。
例如，第4 章的标题为“Basic Tools”，它描述的功能可以在ENVI 的Basic T ools下拉菜单下找到。
5 个附录分别针对：ENVI基本功能、文件格式、波谱库、地图投影以及描述ENVI 该版本的新特征。
该介绍性章节包括与ENVI 图形用户界面（GUI）的交互，使用ENVI 窗口，及其它介绍性材料。
新的ENVI 用户使用前务必认真阅读本手册，以及附带的ENVI 教程。
对于章节中的每个主题，功能描述之后给出了实现它的一步步向导。
向导中描述了参数，通常还附有建议和例子。
大多数功能（除了交互的功能）从ENVI 的下拉主菜单启动。
出现包含接受用户输入参数的对话框。
许多参数包含系统默认值并且有一些是可选的。
当功能运行时，出现一个处理状态窗口。
运行功能的一步步向导被编号并且用粗体显示。
鼠标控制菜单选项与用斜体字印刷的下拉菜单一同出现。
子菜单用“>” 连接。
每个步骤内的选项用项目符号显示。
按钮名用引号标明，对话框标题以大写字母开头。
一些对话框内部有下拉菜单。
每个下拉菜单下的选项通常在以该下拉菜单名为标题的一节中描述。
例如，这些是如何对一个文件进行中值滤波的向导：1. 从ENVI 主菜单，选择Filters > Convolutions > Median 。
将出现一个文件选择对话框, 允许你交互地改变目录并选定需要的输入文件。
2. 通过点击文件名，再点击“OK” 或“Open”，来选择所需要的文件。
若有必要，使用任意空间和/或波谱的构造子集（subsetting）。
3. 当出现Convolution Parameters 对话框，在“Size” 文本框中，输入所需要的滤波器大小。
4. 选择输出到“File” 或“Memory”，若需要，键入一个输出文件名。
混合像元分解
变端元混合像元分解冬小麦种植面积测量方法摘要:针对线性混合像元分解(LinearSpectralUnmixing, LSU)在端元(Endmember)个数不变情况下常会出现端元分解过剩现象导致分解结果精度不高的问题,以地物分布的聚集性特征为基础,提出了基于格网的变端元线性混合像元分解(Dynamic EndmemberLSU,DELSU)方法。
以冬小麦为研究目标,采用LandsatTM图像为实验数据、高分QuickBird图像目视解译冬小麦结果为真值精度评价数据,利用本文提出的DELSU方法进行冬小麦提取。
实验结果表明:该方法比最大似然方法、LSU方法更能准确地获取冬小麦面积,在一定程度上吸收了传统分类方法的优点,提高了目标地物的测量精度;同时作为一种改进的LSU方法也适用于其他土地利用/覆盖类型的测量。
利用遥感图像进行土地利用/覆盖监测中,混合像元现象不可避免,尤其是中分辨率遥感图像中混合像元问题十分严重[1-3]。
通过一定的方法计算出混合像元的典型地物组成比例,可解决混合像元问题,提高定性和定量遥感测量精度,在农作物种植面积监测中有着重要的应用价值[4-5]。
混合像元分解(SpectralUnmixing, SU)是提取植被覆盖度的主要方法[6],其测量结果为各种地物的丰度,其模型可归结为5类[7]:线性模型、概率模型、几何光学模型、随机几何模型和模糊分析模型。
线性混合像元分解(Linear SpectralUnmixing,LSU)模型因其简单实用而被广泛应用[8-9],特别是在图像波段数目较少、光谱分辨率不高的情况下[10]。
在像元分解中,用传统的LSU模型从图像上选取所有端元进行分解,但实际上大多数图像区域或混合像元只是由特定几种端元组成。
许多学者采用可变的端元模式[11-13]以提高测量精度,如Roberts等[14]提出了多端元混合像元分析(Multiple End-memberSpectralMixture Analysis,MESMA)方法,将各种地物的光谱值组成一系列的候选模型(Candi-dateModel),用每个候选模型分别对图像进行分解,通过比较均方根误差(RMS)来确定何种模型入选,有效地提高了分解精度;但在全区范围内选择候选模型,采用穷举方法确定端元,计算量较大,影响其应用效果。
(word完整版)ENVI使用手册
第一章：ENVI 概述如何使用本手册本手册包括若干章节；每章描述 ENVI 提供的一系列处理程序。
多数章节遵循 ENVI 的菜单结构。
例如，第 4 章的标题为“Basic Tools"，它描述的功能可以在 ENVI 的Basic Tools下拉菜单下找到。
5 个附录分别针对：ENVI基本功能、文件格式、波谱库、地图投影以及描述 ENVI 该版本的新特征.该介绍性章节包括与 ENVI 图形用户界面（GUI）的交互,使用 ENVI 窗口，及其它介绍性材料。
新的 ENVI 用户使用前务必认真阅读本手册,以及附带的 ENVI 教程.对于章节中的每个主题,功能描述之后给出了实现它的一步步向导.向导中描述了参数，通常还附有建议和例子。
大多数功能（除了交互的功能) 从 ENVI 的下拉主菜单启动。
出现包含接受用户输入参数的对话框。
许多参数包含系统默认值并且有一些是可选的。
当功能运行时，出现一个处理状态窗口。
运行功能的一步步向导被编号并且用粗体显示。
鼠标控制菜单选项与用斜体字印刷的下拉菜单一同出现。
子菜单用“〉" 连接。
每个步骤内的选项用项目符号显示。
按钮名用引号标明，对话框标题以大写字母开头。
一些对话框内部有下拉菜单。
每个下拉菜单下的选项通常在以该下拉菜单名为标题的一节中描述.例如，这些是如何对一个文件进行中值滤波的向导：1. 从 ENVI 主菜单，选择Filters > Convolutions > Median .将出现一个文件选择对话框，允许你交互地改变目录并选定需要的输入文件。
2. 通过点击文件名，再点击“OK” 或“Open"，来选择所需要的文件。
若有必要，使用任意空间和/或波谱的构造子集（subsetting）。
3。
当出现 Convolution Parameters 对话框，在“Size” 文本框中，输入所需要的滤波器大小.4。
选择输出到“File” 或“Memory"，若需要，键入一个输出文件名.5. 点击“OK”，开始处理.ENVI 图形用户界面（ GUI ）要有效地使用 ENVI，你必须熟悉图形用户界面（GUI）的概念。
ENVI简介与操作指导
灰度级窗效果示意图
原图
灰级窗
灰度级窗切片：只保留感兴趣的部分，其余部 分置为0
g
255
a
b
255
f
灰度级窗切片效果示意图
动态范围调整：
动态范围：是指图像中从暗到亮的变化范围
由于人眼所可以分辨的灰度的变化范围是有限的， 所以当动态范围太大时，很高的亮度值把暗区的 信号都掩盖了。
通过动态范围的压缩可以将所关心部分的灰度级 的变化范围扩大。 线性动态范围调整 非线性动态范围调整
影像的链接和叠加显示Tools/link
Overlay/contour lines等高线的绘制
DEM中 提取等高 线与影像 叠加
DEM中提取等高线
ENVI可用波段列表
ENVI可以访问影像文件，或者这些文件中 的单个波段。 可用波段列表是一个特殊的ENVI对话框， 它包含了所有被打开文件中可用的影像波 段，以及与此相关的地图信息列表。 使用可用波段列表可以把彩色和灰阶影像 加载到一个显示窗口中
更多信息提取的功能
FX（空间特征提取）
采用面向对象的提取方法，运用空间特征+纹理特征+波谱特 征来提取矢量信息； 采用流程化操作，易于使用、速度快； 可应用于各种不同的图像和特征 ENVI4.4之后正式发布
提取线状信息(道路、河流等)
能够提取影像中各种类型的地物
更加紧密与第三方软件整合
ENVI数据的输入与输出
ENVI是数据格式转换的很好工具
数据输入-支持丰富的数据格式
遥感数据
ENVI基本操作
ENVI基本操作ENVI（Environment for Visualizing Images）是一款功能强大的遥感数据处理和分析软件。
它提供了许多基本操作，可以帮助用户处理和分析遥感图像。
下面将介绍一些ENVI的基本操作。
1. 数据加载：打开ENVI软件后，可以通过点击"File"，然后选择"Open Data File"来加载遥感图像数据。
用户可以选择打开各种格式的遥感数据，如多光谱数据、高光谱数据、雷达数据等。
2.图像显示：在加载数据后，ENVI会自动显示图像。
可以使用鼠标在图像上点击并拖动来滚动图像。
用户还可以使用放大和缩小工具来调整图像显示的比例。
3.图像增强：ENVI提供了多种图像增强的工具，如直方图均衡化、对比度拉伸、滤波等。
用户可以根据自己的需求选择不同的增强方法，以改善图像的可视化效果。
4. 像元值提取：ENVI允许用户在图像上选择一个或多个像元，并提取其像元值。
用户可以通过点击"View"，然后选择"Pixel Inspector"来使用像元值提取工具。
5.特征提取：ENVI提供了多种特征提取的工具，如主成分分析（PCA）、线性判别分析（LDA）、像元不相关特征转换（ICASSP）等。
这些工具可以帮助用户从遥感图像中提取有用的特征信息。
6.分类：ENVI提供了多种分类算法，如最大似然分类、支持向量机（SVM）、随机森林等。
用户可以根据自己的需求选择不同的分类算法，并根据已知的地物类别进行训练和分类。
7.可视化和分析：ENVI提供了丰富的可视化和分析工具，如波段组合、变化检测、空间统计分析等。
用户可以使用这些工具来进一步分析和理解遥感图像。
8. 数据输出：ENVI允许用户将处理和分析后的结果以不同的格式输出，如图像文件、矢量文件、栅格数据等。
用户可以通过点击"File"，然后选择"Save As"来保存结果。
混合像元--光谱混合模型
混合像元--光谱混合模型在遥感图像中，一个像元往往覆盖几米甚至上千平方米的地表范围，其中可能包含着多种地物类型，这就形成了混合像元。
混合像元的存在主要有以下两个原因[1]：一是传感器的空间分辨率较低，不同的地物可能存在于一个像元内，这种情况一般发生在遥感平台处于比较高的位置或者拥有宽视角；二是不同的地物组合形成同质均一化的地表类型，这种情况的发生不依赖于传感器的空间分辨率。
混合像元分解技术假设：在一个给定的场景里，地表由少数的几种地物（端元）组成，并且这些地物具有相对稳定的光谱特征，因此，遥感图像的像元反射率可以表示为端元的光谱特征和它们的面积比例（丰度或盖度）的函数。
混合像元分解途径一般通过建立光谱的混合模型实现。
由于假设地物（端元）具有相对稳定的光谱特征, 场景中不同像元间光谱的差异主要是端元比例变化的结果。
光谱混合模型1. 线性模型线性混合模型（Linear Mixing Model, LMM）[8,9]是最简单，也是应用最广泛的光谱混合模型。
在线性模型中，混合光谱等于端元光谱与端元面积比例的线性组合。
该模型基于以下假设[10]：到达遥感传感器的光子与唯一地物发生作用（即不同地物间没有多次散射）。
线性模型的数学表达式如下：r=Σf i x i+w。
为使LMM具有物理意义，需要受到两个约束条件限制：一是端元面积比例之和为1，即；二是所有的端元比例都为非负的。
2.非线性模型(1) 高次多项式模型高次多项式模型通过考虑端元之间的交叉项来描述光谱混合的非线性效应。
二次多项式的混合模型的数学表达式为：r=Σf i x i+Σf ij x i x j。
Ray等（1996）[12]首次提出该模型，并将其应用于沙漠植被盖度反演，Zhang等(1998)[13]将该模型用于潘阳湖地区的土壤、植被盖度研究。
该模型尽管可以很好地模拟混合光谱中多次散射的贡献，但是所计算得到的端元比例却不能直接对应于地物的盖度，需要将多次散射项的虚拟比例（f ij）合理分配到各端元的盖度上。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一 基于PPI的端元提取
借助纯净像元指数（PPI）和n维可视化工具用于端元波谱收集 。
第一步、获取纯净像元
这个步骤是在MNF变换的结果上计算纯净像元指数（PPI），之后选择阈值范围从PPI图像上获得感兴趣区，感兴趣区包
含的像元就是比较纯净的像元。
（1）打开高光谱数据。
（2）在ENVI主菜单中，选择Spectral ->MNF Rotation- > Forward MNF -> Estimate Noise
文件选择对话框中，选择高光谱图像文件。ENVI。在标准Statistics From Dat a
（3）打开Forward MNF Transform Parameters面板，选择MNF输出路径及文件名，单击OK执行 变换。
MNF
（4）在波段列表中输出MNF影像及特征曲线值。从图中可以看出，大约20个波段以后的MNF的特征值很
小
（5）MNF变换后，在ENVI主菜单中，选择 Spectral-> Pixel Purity Index->[FAST] New Output Band。在打开的Pixel
Purity Index Input File对话框中，选择MNF变换结果，单击Spectral Subset按钮，选择前面10个波段（MNF后面
波段基本为噪声），单击OK。
（6）在Display窗口中显示PPI结果。选择Overlay->Region of Interest，在ROI Tool 面板中，选择Options->Band
Threshold to ROI，选择PPI图像作为输入波段，单击OK，打开Band Threshold to ROI面板（图14.19）。 Min Thresh
Value：10，Max Thresh Value：空（PPI图像最大值），其他默认设置，单击OK计算感兴趣区，得到的感兴趣区显示在
Display窗口中。
n第二步、构建维可视化窗口
（1）在ENVI主菜单中，选择Spectral ->n-Dimensional Visualizer，在n-D Visualizer Input File对话框中选择
MNF变换结果，单击OK。
（2）在n-D Controls面板中，选择1、2、3、4、5波段，构建5维的散点图。
第三步：选择端元波谱
（1）在n-D Controls面板中，设置适当的速度（Speed），单击Start按钮，在n-D Visualizer窗口中的点云随机旋
转，当在n-D Visualizer窗口中的点云有部分聚集在一块时，单击Stop按钮。
（2）在n-D Visualizer窗口中，用鼠标左键勾画“白点”集中区域，选择的点被标示颜色。
（3）在n-D Controls面板中，选择Class->Items 1:20->White（用于删除点），单击Start按钮，当看到有部分选择
的点云分散时候，单击Stop按钮，在n-D Visualizer窗口中选择分散的点，自动会将选择的点删除。借助<-，->，New
按钮可以一帧帧从不同视角浏览以辅助删除分散点。
（4）在n-D Visualizer窗口中，单击右键选择New Class快捷菜单，重复（1）~（3）选择其他“白 点”集中区域。．
第四步、输出端元波谱
（1）在n-D Controls面板中，选择Options->Mean All，在Input File Associated with n-D Scatter
Plot对话框中选择原图像，单击OK。
（2）获取的平均波谱曲线绘制在n_D Mean绘图窗口中。
（3） 识别每条波谱曲线对应的地物类型。
（4） 在n_D Mean绘图窗口中，选择File->Save Plot As->Spectral Library（或者ASCII），将 端元波谱保存为波
谱库文件或者文本文件。．
二 丰度解混
（以线性光谱解混为例）
（1）
Spectral ->Mapping Method-> spectral angle mapper 打开要分类的图像
（2）在端元选择器中打开光谱库 Import->form Spectral Library File
（3）选择所有端元
Apply4（）后，填写保存路径即可
三 利用端元进行分类
以光谱角填图（spectral angle mapper）为例）
（
（1）
Spectral ->Mapping
Method->Liner spectral unmixing 打开要分类的图像
（2）在端元选择器中打开光谱库 Import->form Spectral Library File
（3）选择所有端元
后，填写参数设置，如图所示：Apply）4（．
结果图
）5 （